opencv 形态学操作

1.滤波算法

opencv中的滤波算法包括:均值滤波、方框滤波、高斯滤波、中值滤波:

复制代码
blur = cv2.blur(img, (3, 3))                      #均值滤波

box = cv2.boxFilter(img,-1,(3,3), normalize=True) #方框滤波

gaussian = cv2.GaussianBlur(img, (3,3), 1)        #高斯滤波

median = cv2.medianBlur(img, 3)                   #中值滤波

可以看到这些滤波算法的滤波核的参数设置方式,除了中值滤波设置为3,其他的都设置为(3,3)传入函数即可。

注意:在opencv的形态学操作中,核不可以(3,3)的方式传入,如:

复制代码
img_erode = cv2.erode(img, (3,3))

这种方式就是错误的,必须要如下设置:

复制代码
kernel = np.ones((3,3), np.uint8)
img_erode = cv2.erode(img, kernel, iteration=1) #迭代次数为1

cv2.imshow('erode', img_erode)
cv2.waitKey(0)
cv2.destroyWindows()

因为在cv2.erode()函数中,核参数的数据结构就是一个Numpy数组,而不是类似(3,3)这样的元组结构。

如果是以c++代码实现opencv的腐蚀操作,则核参数需要设置为cv::Mat格式传入即可。

2.梯度计算

图像处理中的梯度计算:膨胀后的图像 - 腐蚀后的图像。

注意:

2.1 膨胀和腐蚀操作的核大小要一致;

2.2 计算梯度的核的尺寸没有固定值,取决于用户希望提取的轮廓的精细程度;

复制代码
kernel = np.ones((3,3), uint8)
img = cv2.imread('dige.png')
img_dilate = cv2.dilate(img, kernel. iterations=1)
img_erode = cv2.erode(img, kernel, iterations=1)
#梯度计算方法有两种,一种是直接用  膨胀的图像 - 腐蚀的图像
img_ed = img_dilate - img_erode
cv2.imshow('img_ed', img_ed)
cv2.waitKey(0)

#另一种就是直接调用函数
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel, iterations=5) #迭代次数默认为1
cv2.imshow('gradient', gradient)
cv2.waitKey(0)
相关推荐
罗西的思考8 小时前
【轻量化复现大模型 / KIMI K3】MTP / EAGLE‑3 模块交互式演示
人工智能·深度学习·算法
RobinDevNotes9 小时前
Claude Code 剪视频,不上传、不要 API Key
人工智能·python·音视频·开发工具·ipython
stormzhangV9 小时前
Coding Agent,通往 AGI 的重要一环
人工智能·agent·ai编程
Bowen_J10 小时前
Apple Foundation Models:Apple AI核心框架
人工智能·ai编程·apple
IT_陈寒10 小时前
Redis那个过期删除策略,差点让我线上崩了
前端·人工智能·后端
阿里云大数据AI技术11 小时前
AI 原生大数据服务 ADA 快速入门:完成首次对话式数据分析
大数据·人工智能
字节跳动开源11 小时前
小红书/抖音图文排版利器——一个杂志风skill
人工智能·开源·设计
Bacon11 小时前
我把 Codex 塞进了 Touch Bar:一个 30pt 高的额度与对话面板
人工智能
衡石科技11 小时前
企业级 BI 的安全治理:衡石如何贯通认证、数据权限与审计
大数据·人工智能·安全·商业智能
网易云信12 小时前
折叠屏适配,iPhone Duo 真机已交付:网易云信 IMUIKit Swift 的实践
人工智能